Pengantar AI Platform

Gunakan AI Platform untuk melatih model machine learning dalam skala besar, untuk menghosting model terlatih di cloud, dan menggunakan model untuk membuat prediksi tentang data baru.

Posisi AI Platform dalam alur kerja ML

Diagram di bawah memberikan ringkasan umum tentang tahapan dalam alur kerja ML. Kotak yang diisi biru menunjukkan tempat AI Platform menyediakan layanan dan API terkelola:

Alur kerja ML
Alur kerja ML

Seperti yang ditunjukkan diagram, Anda dapat menggunakan AI Platform untuk mengelola tahap berikut dalam alur kerja ML:

  • Melatih model ML pada data Anda:

    • Melatih model
    • Mengevaluasi akurasi model
    • Menyesuaikan hyperparameter

  • Deploy model terlatih Anda.

  • Kirim permintaan prediksi ke model Anda:

    • Prediksi online
    • Prediksi batch (khusus TensorFlow)

  • Pantau prediksi secara berkelanjutan.

  • Mengelola model dan versi model Anda.

Komponen AI Platform

Bagian ini menjelaskan bagian-bagian yang membentuk AI Platform dan tujuan utama setiap bagian.

Layanan pelatihan

Layanan pelatihan AI Platform memungkinkan Anda melatih model menggunakan berbagai opsi penyesuaian.

Anda dapat memilih berbagai jenis mesin untuk mendukung tugas pelatihan, mengaktifkan pelatihan terdistribusi, menggunakan penyesuaian hyperparameter, dan mempercepat dengan GPU dan TPU.

Anda juga dapat memilih berbagai cara untuk menyesuaikan permohonan pelatihan. Anda dapat mengirimkan data input untuk AI Platform agar dilatih menggunakan algoritma bawaan (beta). Jika algoritma bawaan tidak sesuai dengan kasus penggunaan Anda, Anda dapat mengirimkan aplikasi pelatihan Anda sendiri untuk dijalankan di AI Platform, atau mem-build container kustom dengan aplikasi pelatihan dan dependensinya untuk dijalankan di AI Platform.

Layanan prediksi

Layanan prediksi AI Platform memungkinkan Anda menjalankan prediksi berdasarkan model terlatih, terlepas dari apakah model tersebut dilatih di AI Platform atau tidak.

Layanan pelabelan data

Layanan Pelabelan Data AI Platform (beta) memungkinkan Anda meminta pelabelan manusia untuk set data yang akan digunakan untuk melatih model machine learning kustom. Anda dapat mengirimkan permintaan untuk melabeli data video, gambar, atau teks.

Untuk mengirimkan permintaan pelabelan, Anda harus memberikan sampel perwakilan data berlabel, menentukan semua kemungkinan label untuk set data Anda, dan memberikan beberapa petunjuk tentang cara menerapkan label tersebut. Pemberi label manual akan mengikuti petunjuk Anda, dan setelah permintaan pelabelan selesai, Anda akan mendapatkan set data yang dianotasi yang dapat digunakan untuk melatih model machine learning.

Alat untuk berinteraksi dengan AI Platform

Bagian ini menjelaskan alat yang Anda gunakan untuk berinteraksi dengan AI Platform.

Konsol Google Cloud

Anda dapat men-deploy model ke cloud dan mengelola model, versi, dan tugas di konsol Google Cloud. Opsi ini memberi Anda antarmuka pengguna untuk menggunakan resource machine learning. Sebagai bagian dari Google Cloud, resource AI Platform Anda terhubung ke alat yang berguna seperti Cloud Logging dan Cloud Monitoring.

Google Cloud CLI

Anda dapat mengelola model dan versi, mengirimkan tugas, dan menyelesaikan tugas AI Platform lainnya di command line dengan alat command line gcloud ai-platform.

Sebaiknya gunakan perintah gcloud untuk sebagian besar tugas AI Platform, dan REST API (lihat di bawah) untuk prediksi online.

REST API

REST API AI Platform menyediakan layanan RESTful untuk mengelola tugas, model, dan versi, serta untuk membuat prediksi dengan model yang dihosting di Google Cloud.

Anda dapat menggunakan Library Klien Google API untuk Python guna mengakses API. Saat menggunakan library klien, Anda menggunakan representasi Python dari resource dan objek yang digunakan oleh API. Hal ini lebih mudah dan memerlukan lebih sedikit kode daripada bekerja langsung dengan permintaan HTTP.

Sebaiknya gunakan REST API untuk menayangkan prediksi online.

Notebook Vertex AI Workbench yang dikelola pengguna

Instance notebook Vertex AI Workbench yang dikelola pengguna memungkinkan Anda untuk membuat dan mengelola instance mesin virtual (VM) deep learning dengan JupyterLab bawaan.

Instance notebook yang dikelola pengguna memiliki serangkaian paket deep learning bawaan, termasuk dukungan untuk framework TensorFlow dan PyTorch. Anda dapat mengonfigurasi instance khusus CPU, atau yang mendukung GPU.

Instance notebook yang dikelola pengguna Anda dilindungi oleh autentikasi dan otorisasi Google Cloud, serta tersedia menggunakan URL instance notebook yang dikelola pengguna. Instance notebook yang dikelola pengguna juga terintegrasi dengan GitHub dan dapat disinkronkan dengan repositori GitHub.

Untuk mempelajari lebih lanjut, lihat dokumentasi notebook yang dikelola pengguna.

Deep Learning VM

Deep Learning VM Image adalah kumpulan image virtual machine yang dioptimalkan untuk tugas data science dan machine learning. Semua image dilengkapi dengan framework ML utama dan alat yang telah diinstal sebelumnya. Anda dapat langsung menggunakannya pada instance yang memiliki GPU untuk mempercepat tugas pemrosesan data.

Deep Learning VM Image tersedia untuk mendukung banyak kombinasi framework dan prosesor. Saat ini, tersedia image yang mendukung TensorFlow Enterprise, TensorFlow, PyTorch, dan komputasi berperforma tinggi generik, dengan versi baik untuk alur kerja khusus CPU maupun alur kerja GPU yang diaktifkan.

Untuk melihat daftar framework yang tersedia, lihat Memilih image.

Untuk mempelajari lebih lanjut, lihat dokumentasi Deep Learning VM.

Langkah selanjutnya